用 DNS 做 AI 工具发现：ToolDNS 框架与 3.3 万工具基准
arXiv 新论文提出 ToolDNS，将语义化工具发现映射到 DNS 层级命名空间，附带 3.3 万真实工具基准，搜索…
随着自主 AI agent 走向规模化落地，agent 如何在百万级工具库中高效发现并调用所需能力，成为基础设施层面的关键瓶颈。arXiv 上线的一篇新论文《AI Tool Discovery at Scale: All You Need is DNS》提出了一种颇为「激进」的解题思路——直接复用互联网最古老、最稳定的 DNS 协议，把语义化工具发现压到 DNS 命名体系上。
研究背景：从 MCP 到海量工具的发现难题
当前围绕 AI agent 的工具生态正快速碎片化：MCP（Model Context Protocol）、A2A、RESTful API 以及各类「Skill」协议并存，每个 agent 都需要在运行时定位可用工具并验证其语义匹配度。论文指出，已有方案普遍存在两类问题：一是检索复杂度随工具数量线性增长（O(N)），无法承载百万级规模；二是依赖集中式注册中心，存在治理与单点故障风险。要让 agent 真正「自治」，必须先解决可扩展的工具发现层。
ToolDNS 设计：把语义塞进 DNS
作者提出 ToolDNS 框架，核心思想是把「功能性意图」与「组织信任关系」编码进 DNS 层级命名空间，从而将昂贵的语义搜索转换为一系列轻量级的 O(log N) 域名解析操作。为兼容现有 DNS 协议并支持去中心化治理与语义剪枝，论文设计了三项协议级扩展：
- 部分展开命名（Partially Unfolded Names）：在子域中编码工具能力标签，解析器可在不解包完整名称的前提下完成能力过滤。
- EDNS0 意图载荷（EDNS0 Intent Payloads）：借助 DNS 扩展机制携带查询者的功能意图与上下文约束。
- 逻辑子域（Logical Subdomains）：为不同组织、协议族（MCP / A2A / RESTful / Skill）提供独立的命名空间，便于自治管理。
借助这三种增强，ToolDNS 在不破坏 DNS 基础设施兼容性的前提下，获得了语义层面的检索能力。
基准与实验结果：3.3 万工具上的验证
为验证方案在碎片化生态中的适用性，作者构建并开源了一个大规模异构基准，覆盖 33,688 个真实工具，涵盖 MCP、A2A、RESTful 与 Skill 四类协议。在该基准上，ToolDNS 表现出两点关键优势：
- 搜索空间削减 95.26%：每次查询平均只需解析少量 DNS 记录即可收敛到目标工具，匹配当前最优检索方法的准确率。
- 延迟数量级下降：基于 UDP 的 DNS 原生路径相比基于 HTTP 的中心化注册表，工具发现延迟低出数个量级，对实时 agent 调度尤为关键。
意义与局限
论文的核心论断是：可扩展的 AI 互操作，「不需要更多中间件，而需要更聪明地利用脚下已有的基础设施」。这一思路与近年来 agent 协议层快速演进的趋势形成呼应——MCP、A2A 等协议正在定义「agent 如何调用」，而 ToolDNS 则尝试回答「agent 如何找到」。不过，作为一项概念验证性工作，ToolDNS 距离实际部署仍需面对 DNS 缓存一致性、隐私泄露面以及与现有注册表生态的兼容性等工程问题，其大规模落地前景有待社区进一步检验。
论文链接：arXiv:2607.18242v1（cs.AI）。